Virtual E 数据集
3317张指甲图像，由CNN分类为6种指甲疾病类别，适用于半监督学习评估。
基本信息
资源简介
Virtual E 数据集
【一句话概览】
本数据集是 figshare 公开的影像数据集，收录 2 个文件、合计 1.79 GB，主题涵盖 deep learninig、semisupervised learning、onychomycosis、Dermatology，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Virtual E Dataset》。源站首次发布：2017-10-25。
【数据内容】
源站原始描述：- Virtual E Dataset E dataset (3317 images) - Diagnosis predicted by CNNs (ResNet-152 + VGG-19; arithmatic mean of both outputs; training dataset: A1) We created the E dataset to assess the semisupervised learning performance by conducting a Web-based image search for “tinea,” “onychomycosis,” “nail dystrophy,” “onycholysis,” and “melanonychia” in English, Korean, and Japanese on and and downloaded a total of 15,844 images. From these images, the R-CNNs created a nail dataset of 3,317 images, si…
中文译文（机器翻译，仅供快速理解，请以原文为准）：- 虚拟E数据集 E数据集（3317张图像）——由CNNs预测诊断（ResNet-152 + VGG-19；两者输出的算术平均值；训练数据集：A1） 我们创建E数据集是为了评估半监督学习性能，通过在http://google.com和http://bing.com上用英语、韩语和日语搜索“tinea”、“onychomycosis”、“nail dystrophy”、“onycholysis”和“melanonychia”并进行网络图像搜索，共下载了15,844张图像。从这些图像中，R-CNNs创建了一个包含3,317张图像的指甲数据集，因为许多图像因分辨率低而不得不被丢弃。CNNs（模型：ResNet-152 + VGG-19；两者输出的算术平均值；训练数据集：A1）将由R-CNNs生成的图像自动分类为六个类别（760例甲癣，1,316例甲营养不良，363例甲剥离，185例黑甲，424例正常，269例其他）。
【数据结构与技术规格】
文件数 2 个，合计 1.79 GB。数据集 DOI：10.6084/m9.figshare.5513407.v2。
【主题与分类】
源站学科分类：Dermatology。主题标签：deep learninig、semisupervised learning、onychomycosis、Dermatology。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Virtual_E_Dataset/5513407
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Han, Seung Seog (2017). Virtual E Dataset. figshare. Dataset
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取（Figshare）
- 源站标题：Virtual E Dataset
- DOI：10.6084/m9.figshare.5513407.v2
- 发布日期：2017-10-25
- 文件数：2 个
- 文件总体积：1.79 GB
- 源站页面：https://figshare.com/articles/dataset/Virtual_E_Dataset/5513407
命令行下载
curl -L -o "Virtual E Dataset.zip" "https://ndownloader.figshare.com/files/9542158"
curl -L -o "E-dataset-searching-web-15844 images.zip" "https://ndownloader.figshare.com/files/9586645"
文件清单
Virtual E Dataset.zip（70.68 MB）E-dataset-searching-web-15844 images.zip（1.72 GB）
文件总体积 1.79 GB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
- Virtual E Dataset
E dataset (3317 images) - Diagnosis predicted by CNNs (ResNet-152 + VGG-19; arithmatic mean of both outputs; training dataset: A1)
We created the E dataset to assess the semisupervised learning performance by conducting a Web-based image search for “tinea,” “onychomycosis,” “nail dystrophy,” “onycholysis,” and “melanonychia” in English, Korean, and Japanese on http://google.com and http://bing.com, and downloaded a total of 15,844 images. From these images, the R-CNNs created a nail dataset of 3,317 images, since we had to discard many images because of low image resolution. The CNNs (model: ResNet-152 + VGG-19; arithmetic mean of both outputs; training dataset: A1) automatically classified images generated by the R-CNNs into six classes (760 onychomycosis, 1,316 nail dystrophy, 363 onycholysis, 185 melanonychia, 424 normal, and 269 others).
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.6084/m9.figshare.5513407.v2（source: https://figshare.com/articles/dataset/Virtual_E_Dataset/5513407）。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
